可能是全网最简明的量子纠缠科普

前两天有位朋友抱怨,说是看了很多学者关于量子纠缠的科普,但还是一头雾水,没有一个人真的讲明白的。

我就上网搜了几个看。确实,大多数科普要么是光顾着讲爱因斯坦和波尔打嘴炮的历史了,不讲物理;要么讲着讲着就开始上公式了,人家能看懂公式看你科普干嘛?还有些就是为了讲明白把模型太简化了,打的比方都是错的。

作为研究方向就是在量子纠缠领域的磕盐狗,我来试着用人话来给只有中学物理基础的朋友们,科普一下量子纠缠究竟是个什么。

083dc71c6a31ee5d0a313a09a22a77af.jpeg

要搞清楚量子纠缠是什么,首先要对量子力学的世界观有了解。

现在我们来看一个科普中经常会出现的【错】的例子——手套。

这个例子是这样的:一对纠缠粒子就是一对手套,然后我把左手套放进一个盒子,右手套放进另一只盒子,然后把两只盒子在空间上分得很开。这时候我只打开其中一个盒子,发现里面是左手,就会知道另一边肯定是右手。

245b6f87258cda7297f5cfdb423dbc1b.jpeg

很多科普会用这个打比方,说这个就是纠缠态。

这个时候大部分正常人都会觉得:这么简单?手套一左一右,这傻子也知道啊还要量子力学教我?

House听了都要留下八个大字,量子力学就那么回事

实际上如果用量子力学来看这个例子,我们看到的世界应该是这样的。

我有一对手套,我知道其中肯定有一只是左手,另一只是右手。可是对于其中的一只手套来讲,它究竟是左手还是右手,我不知道,手套自己也不知道,no one really knows.

现在我把这两只手套分别放进两个盒子里。每一个盒子里,都有了一只变化莫测的手套,它既是一只左手套,也是一只右手套。

你只要闭上眼睛不看这个手套,这个手套就永远在摇摆,永远在左右为难。

你只有睁开眼睛看了,这个手套才会确定自己究竟是左是右。

这个听起来就非常玄学了——但这就是量子力学的世界观,一种概率性的世界,一种不确定的世界。粒子不是我们想象中处于某个位置的一个微粒,而是一个概率波,而当观测发生时,波函数才会塌缩到一个确定的态。

量子力学为什么敢这么讲,是有实验依据的,就是大名鼎鼎的杨氏双缝干涉实验。每次发出一个光子,让它经过有两条缝的挡板,在挡板后面探测光子会落在哪里。按理说这个光子肯定是从缝里穿过去的,不是从左走,就是从右边走,所以你应该看到光子聚集在两个地方,形成两条明亮的条纹。但是,实验结果显示你会看到的是明暗交替的很多条干涉条纹,不止两条。

d1195bb964ca9ec312f8d0f83363fa42.jpeg

(如果光子是一个确定的微粒,结果应该是这样的)

a73b4f5e409dc99f8e66aacb6f521d71.jpeg

(实际的实验结果,显示了粒子的波动性)

这个结果说明每一个光子,它都是既从左边走,也从右边走,同时从两边经过。

这个用行话讲,叫叠加态。一个量子态就是一个概率波,波函数处于多个态的叠加态上。敲黑板,叠加态不是量子纠缠,叠加态描述的是一个粒子,同时处在多个状态上。而纠缠态至少要两个事物。

薛定谔的猫又死又活,就是一种叠加态。

964000ac2523af26eeede131131766b8.jpeg

这么解释了一通,量子力学听起来就比较玄学了。

世界是一枚不停旋转的骰子,没人观察,骰子永不落下。

爱因斯坦是接受不了这个世界观的。因为这个太不经典了啊,经典世界就应该是一切都是客观存在的,不管你测还是不测,左手套就是左手套,猫活着就是活着,不会因为你看了猫一眼猫就死了,这个观点就叫【实在论】,客观存在的物理量不会因为你观测与否而变化。

爱因斯坦超级讨厌随机性,所以说了一句经典的上帝不掷骰子,还有和波尔一起散步的时候那句质问波尔的话:难道我们不抬头看月亮,月亮就不存在了吗?

321bb889e5df6abcf16307b50242b571.jpeg

上帝:你在教我做事?

所以1935年他提出了纠缠这个概念来攻击量子力学(他质疑的只是量子力学的完备性,但是咱们普通人理解为攻击就可以了。当时他提出的量子纠缠是一种思想实验,文献里经常看到Gedaken experiment这个词,就是德语里面思想实验的意思。这篇论文是量子纠缠领域的开山之作,但其实文章是爱因斯坦(Einstein)的两个学生PoldoskyRosen写了之后,没征求老板的意见,把老板的名字署在第一个就发表了,也是非常虎。所以爱因斯坦对这个paper其实意见很大,觉得这俩学生写的太不严谨了,这是题外话。这篇文章后世称为EPR佯缪,后面被引用了无数次,成为爱因斯坦人生最高引文章……)

他文章里考虑的模型是这样的:

你不是说一个粒子不测量就不塌缩吗?那我如果有两个纠缠的粒子就好了,纠缠之后就像两个手套一样,总是一个是左手一个是右手。然后我把他们分得非常开。然后我就测A,我看到了A是左手套,就知道了B是右手套。

诶这不是奇怪了吗?按你的说法每个粒子都应该是一种概率,不测量就不塌缩。我现在只观测了A,没观测B哦,为什么B的波函数塌缩到右手套上了。

你量子力学自己说手套是波函数,不测量不塌缩,可是现在AB离开得那么远,你测了AB也塌缩了。B是怎么知道自己应该塌缩了,操作或者信息怎么传到了B那里的?超光速的信息传递是违反相对论的啊。

看起来,量子纠缠的思想实验推导出来的结果,违反了经典的【定域论】:在某一点发生的事件,不可能立即影响到另一点,信息不可能比光速更快。

这不就是一个谬论了吗?

所以爱因斯坦基本是用量子力学的观点导出一个结论,反过来攻击量子力学。

思维严密,逻辑满分。爱因斯坦真的值得respect,就连杠别人,都要先站到别人的逻辑里面,以你量子力学之矛,攻量子力学盾。

这种质疑就非常有力了。

到这里,量子纠缠的概念就已经很清楚了。大白话说,就是一对某个性质永远关联(比如永远相同或者相反)的系统。比如一对手套,他们的性质是互相关联的,一左一右。

这个大家没有争议。

但是这种纠缠究竟是怎么发生的,各有各的说法。

一方是爱因斯坦为代表的【定域实在论】(他们名字虽然唬人,但是三观和我们普通人的直觉是一样的),他们认为:这对手套在分开之前就已经商量好了,谁是左谁是右,分开以后我们就再也不联系了,哥俩提前商量好的这个条件,就叫隐变量。隐变量理论是Bohm提出来的,一度成为当时的主流观点。

另一方是波尔为代表的量子力学,他们认为:这对手套只说好了一件事情——“咱俩得一左一右。但是至于谁是左谁是右,没说好,不知道。因为上帝要掷骰子嘛。所以要等到我们观测的一瞬间,这俩手套才随即塌缩成一左一右——是被观测的那一瞬间才同时地、随便地、塌缩的。

所以可以这么理解,量子力学和隐变量理论争论的焦点就在于:哥俩究竟有没有提前说好。

这个就是长达几十年的隐变量之争论。

这个就很难搞了。因为你们这两种理论对应的现象是一样的,只是在争论俩手套有没有提前商量好——这让实验狗怎么验证呢?

然后贝尔就出现了!这个人是爱因斯坦的迷弟,看不惯波尔纠结一帮哥本哈根学派怼爱因斯坦,立志要帮哥哥出气,然后就埋头苦思,最后竟然搞出一个可以用来区别这两种理论的实验方案。

贝尔的方案的关键点在于:如果哥儿俩是提前说好的,之后就不用联系了,我再对其中一个进行操作,另一个就不知道了。但是如果是没有提前说好,那分开后,如果操作其中一个,另一个也会受到影响。

贝尔的方案当然更严密更精巧:利用一对偏振纠缠的光子对,把他们在空间上分开,并都通过一个偏振片。如果是隐变量理论的话,纠缠光子对中的其中一个光子通过一边偏振片的概率,和另一边的偏振片的角度没有关系。而在量子力学中,其中一个光子通过偏振片的概率,和两边的偏振片的角度都有关系。

7f5dcf1af242badb386bacd186ee63ae.jpeg

贝尔结合以上这种逻辑,推导出一个贝尔不等式来。

如果实验结果符合贝尔不等式,说明光子的偏振是在一开始就确定了的。而如果实验违反了贝尔不等式,那么证明虽然纠缠光子的属性是相互关联的,但却不是在一开始时就确定了的。

后来的故事大家都知道了—— John ClauserAlain spect 的实验证明了,我们所处的这个世界是违反贝尔不等式的。

1935EPR佯缪文章问世后揭开的这场旷日持久的论战,随着2022年诺贝尔物理学奖的公布,似乎终于尘埃落定。

ba46c73c9f1ffa9e6aee49c0e836d939.jpeg

其中,Clauser第一个设计实验来测量贝尔不等式,发现实验结果违反贝尔不等式。ClauserBell都是相信爱因斯坦的,谁能想到他俩一个做理论一个做实验,最后双剑合璧狠狠插了爱因斯坦一刀,真是造化弄人……

然后就是Alain Aspect,他是利用纠缠光子对严谨地证明了实验是违反贝尔不等式的。最后是Zeilinger,也是做了Bell test,以及是开创了量子隐形传态学科。

随着诺奖公布,隐参量理论退出历史舞台,非定域论取得胜利。但这不只是哥本哈根学派的胜利,而是整个物理科学的胜利。爱因斯坦的理论虽然被证明是错的,但他率先提出的量子纠缠的概念,则打开了新世界的大门。

40b812025f73c8b9102b33a894617616.png

量子秘钥分发,是量子纠缠的一个典型应用

现在我们知道了,上帝不仅掷骰子,而且在我们看不见的地方掷;月亮只有当我们抬头看的时候才挂在天上,没人看她的时候,她同时出现在这个宇宙的每个角落。

而科学仍然在向前。

就在今年,我在的实验室刚完成了这样一个实验:我们在一团玻色爱因斯坦凝聚体中制备了纠缠,而后将它分为两团原子并在空间上分开。在分开的两团原子之间,我们观测到了EPR纠缠。

1935年爱因斯坦提出纠缠的概念用来质疑量子力学的完备性,87年之后的今天,人类第一次在两个多粒子体系之间观察到了这样的EPR佯缪。这证明了量子力学与局域实在论的矛盾,即使在更大、更宏观、更复杂的体系中依然存在。

量子力学能在宏观上走到哪里,现在还没人知道。

最后澄清一个问题,量子纠缠究竟能不能超光速地传递信息?

不能!量子纠缠传递的是无效信息,因为这两个粒子是纠缠的,纠缠的意思就是他们共享一个波函数,不是两个独立物体,所以你一测其中一个,整个波函数就坍塌了。

关于这个郭光灿院士有个很形象的比喻大概是这样的:有一对母女,妈妈和女儿两地分居。女儿怀孕生了小孩,在小孩出生的那一瞬间,远在千里之外的妈妈就自动升级成了外婆。这中间并没有信息传递给妈妈,是母女之间的这种关联,使得她在那一瞬间就成为了外婆。

最后的最后,再澄清一个问题,量子纠缠是不是证明了心灵感应?

不是!量子力学现在研究的都是微观粒子。两个大活人之间的心灵感应,属于情感范畴,需要看点征婚网站而不是科普文章。

以及现在关于量子力学的研究,都还只在实验室阶段。市面上任何你能见到的,带有量子两个字的产品,都和量子半毛钱关系都没有。各位爷叔姨婆,千万不要相信任何量子记忆量子波动速读之类的产品,都是智商税!

好啦,今天的科普就到这里,大家周末愉快!

祝大家一切顺利,遇事不决,量子力学!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481494.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

20-Joint entity and relation extraction based on a hybrid neural network(LSTM-ED+CNN),考虑长距离的实体标签之间的关

文章目录abstract1.introduction2.相关工作2.1. Named entity recognition2.2. Relation classification2.3 联合模型2.4. LSTM and CNN models On NLP3.模型3.1. Bidirectional LSTM encoding layer3.2. Named entity recognition (NER) module:LSTM decoder3.3. Relation cla…

牛津大学团队采用先进机器人技术,推动「人造肌腱」实际应用

你知道“肩袖撕裂”吗?它是肩关节炎疼痛的常见原因之一。作为肩袖撕裂损伤中最为常见的肌腱损伤,每年世界范围内的患者高达几千万人。该病痛给患者带来巨大疼痛,甚至导致肢体功能丧失,无法正常生活和工作,造成极大的家…

finetune与Bert

文章目录一:过拟合1.1 直接finetune1.2 layer finetune1.3ULMFiT2 Bert节省内存3 Bert蒸馏4.post train一:过拟合 1.1 直接finetune 容易过拟合 1.2 layer finetune 拷贝部分预训练参数,而其他随机初始化 两部分一同训练:提升…

《Nature》长期寻找,终于发现直接促进神经递质“弹药库”的蛋白质

来源:生物通俄勒冈健康与科学大学(Oregon Health & Science University)的科学家们发现了一种长期寻找的基因编码蛋白质,这种蛋白质能使大脑在神经元之间的间隙(称为突触)之间传递广泛的信号。科学家们发现了一种长期寻找的基因编码蛋白质&#xff0…

机器翻译

1 模型 1.1 模型 1.2 RNNBeam searchAttention 损失函数:交叉熵 预测:不使用解码器而是beam search #paddlepaddle from __future__ import print_function import os import six import numpy as np import paddle import paddle.fluid as flui…

姚能伟:以邻盛智能为例,如何在行业大脑进行创新实践

报告内容摘要随着技术发展,未来一定是智慧的时代。为此我们提除了感知世界,透视数据,洞察未知为理念的新型技术探索与实践。依托多年项目经验与行业专业积累,形成了一些行业深度的解决方案。在实践过程中形成了客观世界的泛感知和…

Science:已“死亡”的细菌仍能感知来自环境的信息

根据信号强度对细菌孢子进行颜色编码的显微镜图像:颜色越亮,信号越强细菌依靠其顽强的生命力,在包括人类在内的各种生命体和地球的各个角落繁衍生息。细菌之所以难以被杀死,是因为它们具有独特的生存策略,其中一种是在…

Berttransformer

1.transformer transformer self-attention 当前编码的词和整个句子所有词做attention,权重加在所有句子上获得当前的表示 encoder-decoder-attention 当前解码的单元和编码器的所有输出做attention,权重加在所有编码输出上,获得当前的表示…

GPT1-3(GPT3/few-shot,无需finetune)

GPT1–finetune 12层单向transformer预训练精调被bert比下去了 GPT2-元学习 输入:加上任务描述 “英翻法:This is life” 输出: “C’est la vie” 参数15亿在NLU:比不上bert也比不过其他大参数模型:如Turing-NLG GPT3-Langua…

一种基于人工智能的化学合成机器人,用于纳米材料的探索和优化

编辑 | 萝卜皮格拉斯哥大学(University of Glasgow)的研究人员提出了一种自主化学合成机器人,用于探索、发现和优化由实时光谱反馈、理论和机器学习算法驱动的纳米结构,这些算法控制反应条件并允许选择性地模板化反应。这种方法允…

千脑智能理论:开启创造机器智能的路线图 | 《千脑智能》

导语当人们谈论人工智能时,往往热衷于算法优化、模型迭代、算力提升,海量参数的复杂网络仿佛就是人工智能的发展方向。然而,这就是真正的智能吗?计算机科学家与神经科学家杰夫霍金斯在《千脑智能》中提出了一种关于大脑和智能的理…

一类机械神经网络的架构材料,未来智能技术的全新畅想

编辑 | 萝卜皮除了一些活组织之外,很少有材料能够在长时间暴露于意料之外的环境负载情况下自主学习表现出所需的行为。在不断变化的条件下(例如,内部损坏程度的上升、不同的夹具场景和波动的外部负载),仍然有更少的材料…

自然语言处理的未来之路(周明老师,CCF-GRIR,笔记)

文章目录1.什么叫自然语言处理1.1 困难1.2历史1.3 智能1.4 经典nlp任务的进展02.技术体系2.1 词2.2 句子03 未来发展3.1 资源丰富的任务---中英翻译3.2 资源少的任务3.3 多轮问题--多轮对话4 未来之路自然语言:规则—>统计—>神经网络现在:黄金时代…

从英国首位印裔首相,看印度IC产业

来源:芯师爷当地时间10月24日,英国前财政大臣苏纳克在保守党党首竞选中胜出,将成为英国新一任首相。这也意味着他将成为英国历史上第一位印度裔首相。图源:环球网一时间,关于“首位印度裔首相,苏纳克成功逆…

CASREL:A Novel Cascade Binary Tagging Framework for Relational Triple Extraction(关系抽取,ACL2020,重叠关系)

文章目录1.介绍2.相关工作3.The CASREL Framework3.1 Bert3.2 cascade decoder4.实验5.结果参考1.介绍 做重叠关系的少 重叠关系: Zeng et al. (2018) :seq2seq强化学习改善提取顺序Fu et al. (2019):(GraphRel)GCNs将文本建模为关系图 以前…

机器学习数学本质的理解

来源:计算机视觉与机器学习近日,国际数学家大会丨鄂维南院士作一小时大会报告:从数学角度,理解机器学习的“黑魔法”,并应用于更广泛的科学问题。鄂维南院士在2022年的国际数学家大会上作一小时大会报告(plenary talk)…

Exploiting the Syntax-Model Consistency for Neural Relation Extraction(关系抽取,语法模型,跨领域关系抽取

文章目录1.Introductiony1.1 神经网络的关系抽取1.2使用依赖树的关系抽取1.2.2 依赖树的一般树1.3 本文做法2. 相关工作2.1核方法2.2 深度学习方法2.2.1 CNN2.2.2 RNN2.2.3 transformer2.2.4 依赖树3.模型3.1CEON-LSTM3.1.1 LSTM3.1.2ON-LSTM3.1.2.1 公式3.1.2.2the master gat…

从500亿缩水到167亿!自动驾驶芯片第一股“流血上市”

来源:数据观综合编辑:蒲蒲美股年内最后一次大规模IPO,MobilEye首日大涨近40%。美国时间10月26日,英特尔旗下自动驾驶子公司 Mobileye 正式登陆纳斯达克,股票代码为“MBLY”,首日上涨37.95%,报收…

[ACL2020]Generalizing Natural Language Analysis through Span-relation Representations

文章目录1 介绍2 span-relation representations2.1未涉及句子级任务3.span-relation model3.1 span representation3.2 span and relation label prediction3.3 应用到不同任务3.5 多任务学习MTL4 GLAD Benchmark基准 and Results4.1 实验4.2 证明通用模型有效4.3 MTL4.3.2 任…

为什么生成式AI这么火?OpenAI刚刚被曝估值已接近200亿美金

“生成式 AI 提醒我们,很难做出有关于人工智能的预测。十年前,传统观点认为:人工智能首先会影响体力劳动;然后,是认知劳动;然后,也许有一天它可以做创造性工作。现在看起来,它会以相…